Key points are not available for this paper at this time.
Resumo Objetivo. A terapia de radiação adaptativa online requer contorno rápido e automatizado de exames diários para reotimização do plano de tratamento. No entanto, o contorno automatizado é imperfeito e introduz incertezas de contorno. Este trabalho tem como objetivo desenvolver e comparar estratégias de otimização robustas que considerem tais incertezas. Abordagem. Um método de aprendizado profundo foi utilizado para prever a incerteza do registro de imagens deformáveis e gerar um conjunto finito de amostras de contorno diário. Dez estratégias de otimização foram comparadas: dois métodos de base, cinco métodos que convertem amostras de contorno em probabilidades voxel-wise e três métodos que consideram explicitamente as amostras de contorno como cenários na otimização robusta. A cobertura do alvo e a proteção dos órgãos em risco (OAR) foram avaliadas de forma robusta para planos simplificados de terapia com prótons para cinco pacientes com câncer de cabeça e pescoço. Resultados. Descobrimos que incluir explicitamente a incerteza do contorno do alvo na otimização robusta proporciona uma cobertura robusta do alvo com melhor proteção do OAR do que os métodos de base, sem aumentar o tempo de otimização. Embora as doses do OAR inicialmente aumentassem ao aumentar a robustez do alvo, esse efeito poderia ser evitado ao incluir adicionalmente a robustez em relação à incerteza do contorno do OAR. Comparados aos métodos baseados em probabilidade, os métodos baseados em cenários protegeram mais os OARs, mas aumentaram a dose integral e exigiram mais tempo de computação. Significância. Este trabalho propôs estratégias eficientes e benéficas para mitigar a incerteza de contorno na otimização do plano de tratamento. Isso facilita a adoção de contorno automático na terapia de radiação adaptativa online e, de forma mais geral, possibilita a mitigação também de outras fontes de incerteza de contorno no planejamento de tratamento.
Smolders et al. (Qui,) estudaram essa questão.